LangChain多上下文获取与向量库结果自动赋值机制问询

1. 向量库查询结果自动赋值给{context}的机制 #

你通过RetrievalQA.from_chain_type创建问答链时，指定的retriever=vectorstore.as_retriever(...)是核心：

• 当调用qa链（比如qa({"query": "你的问题"})）时，RetrievalQA会自动用传入的query去向量库执行检索，获取匹配度最高的k条文档（这里k=1）。
• 因为你用的是chain_type="stuff"，这个链类型的逻辑会把检索到的文档内容直接填充到PromptTemplate中定义的{context}变量位置，整个过程是LangChain的RetrievalQA组件内部自动完成的，无需手动给context赋值。

2. 传入第二个上下文{context2}的实现方式 #

可以实现，需根据context2的来源调整代码：

场景1：context2是固定文本/手动传入的静态内容 #

• 修改prompt模板，加入{context2}占位符：

  prompt_template = """
  This is a pair of template question and answer.
  {context}
  Additional context: {context2}
  Continue the question by strongly considering the answer from the context.
  Answer that needs to be continued is below. If a sentence is started, make sure to just continue it: 
  {question}
  
  Continuation:"""
  

• 更新PromptTemplate的input_variables，加入context2：

  PROMPT = PromptTemplate(
      template=prompt_template, input_variables=["context", "context2", "question"]
  )
  

• 调用qa链时直接传入context2参数：

  result = qa({"query": "你的问题", "context2": "你的第二个上下文内容"})
  

场景2：context2是另一个向量库的检索结果 #

需要额外添加检索器，手动处理双检索逻辑：

• 先初始化第二个向量库的retriever：

  vectorstore2 = Chroma(
      collection_name="另一个集合名",
      persist_directory="另一个Chroma目录", embedding_function=embedding
  )
  retriever2 = vectorstore2.as_retriever(search_kwargs={"k": 1})
  

• 手动获取两个检索结果，再传入链中：

  # 获取两个向量库的检索结果
  docs1 = retriever.get_relevant_documents("你的问题")
  docs2 = retriever2.get_relevant_documents("你的问题")
  context = "\n".join([doc.page_content for doc in docs1])
  context2 = "\n".join([doc.page_content for doc in docs2])
  # 调用链时传入双上下文
  result = qa({"query": "你的问题", "context": context, "context2": context2})
  

  注意这种场景下，要去掉RetrievalQA的retriever参数，改用普通LLMChain，避免框架自动重复填充context。

内容的提问来源于stack exchange，提问作者Nickpick